学习因子
学习因子的相关文献在1999年到2022年内共计140篇,主要集中在自动化技术、计算机技术、电工技术、一般工业技术
等领域,其中期刊论文131篇、会议论文3篇、专利文献95092篇;相关期刊100种,包括电网与清洁能源、自动化技术与应用、计算机仿真等;
相关会议3种,包括2011复杂系统理论与方法及其工程实践学术会议、中国高等学校电力系统及其自动化专业第二十五届学术年会、香港中医学会、教育研究基金会2017国际针灸高峰论坛等;学习因子的相关文献由388位作者贡献,包括冯云霞、冯浩、刘静等。
学习因子—发文量
专利文献>
论文:95092篇
占比:99.86%
总计:95226篇
学习因子
-研究学者
- 冯云霞
- 冯浩
- 刘静
- 包晓安
- 吴彪
- 吴桂乐
- 孙冬
- 康文雄
- 张伟
- 张娜
- 张水平
- 张琳
- 张肖敏
- 张若含
- 张颖
- 徐生兵
- 曾艳阳
- 李少纲
- 李晓婉
- 李现伟
- 梁宁欣
- 滕赛娜
- 王鹏
- 白艳萍
- 罗毅
- 苏攀
- 詹龙海
- 赵开新
- 赵文涛
- 邢玉秀
- 郑益田
- 陈暄
- 韦根原
- 马斌
- 高岳林
- 龙丹
- Feng Yunxia
- HUANG Shu-yun
- WANG Lin-Shan
- WANG Wei-qian
- ZHAO Zhi-gang
- ZHENG Huan-Xia
- ZONG Chen-Sheng
- Zeng Yanyang
- Zhao Wentao
- 丁卫平
- 丁国绅
- 丁帅帅
- 丁晓阳
- 仝秋娟
-
-
熊友强;
曹俊秀;
舒惠军
-
-
摘要:
针对传统方法优化后的油气集输管网拓扑结构误差较高大、人力物力成本较高等问题,提出基于改进粒子群算法的油气集输管网拓扑结构优化方法。分析井口—计量站-联合站的布站程序,计算体积流量等工艺参数;将油汽集输费用最小作为目标函数;在计量站储油能力、中转站加工能力以及各站点位置约束下,构建管网拓扑结构优化模型;调节最优粒子编码顺序,实现对惯性权重与学习因子等参数的动态调整,利用改进粒子群算法对构建的优化模型求解最优值,实现管网拓扑结构优化。仿真结果证明,采用本文方法优化的误差最低约为0.1%,且投资费用最低。
-
-
程浩田;
祝锡晶;
黎相孟;
赵晶;
冯琪渊;
丁帅帅
-
-
摘要:
针对标准粒子群算法在进行机器人时间最优轨迹规划时容易陷入局部最优、早熟等缺点,提出一种快速收敛的改进算法。算法采用动态学习因子策略替代传统固定的学习因子,并在此基础上利用“3-5-3”混合多项式插值函数进行规划,最后在MATLAB仿真软件中完成机器人各关节运动轨迹的拟合。研究结果表明:改进粒子群算法的局部收敛速度和全局收敛速度均优于标准粒子群算法,且比单纯利用“3-5-3”混合多项式进行轨迹规划所需的时间缩短26%,各关节运行轨迹平稳连续,证明改进算法的优越性、有效性以及可行性。
-
-
李昂;
董潇阳;
纪瑾;
李兴
-
-
摘要:
针对粒子群算法(PSO)应用电力系统无功优化时本身特性易导致计算结果不精确的问题,首先将系统有功网损最小值作为目标函数模型;其次调整该算法的惯性权重(ω)和学习因子(c);再引入免疫算法,结合两种算法的优势进行融合,发现该方法可在一定程度弥补粒子群算法原本的缺陷,在全局范围内搜索确定最优解;最后对改进算法应用MATLAB进行检验,结果验证了理论分析的正确性。研究结果表明该方法可有效降低系统网损,提高电能质量。
-
-
陈颖洁;
刘三阳;
张哲辰
-
-
摘要:
提出一种以优秀个体为导向的多策略差分进化算法。根据适应度值将种群等分为三个子种群,针对不同的种群使用不同的变异策略和控制参数。针对适应度值较差的种群提出了一种新的变异策略,通过引入学习因子和平衡因子,对提高收敛速度、精度和易陷入局部最优状态进行平衡,并对其中个体的控制参数采取自适应的机制,降低种群陷入停滞状态的概率。除此,在每次迭代完成之后,三个种群会重新组成一个新的种群,从而实现了不同种群之间信息的交互。用19个标准测试函数对所提出算法的性能进行了测试,并将其与一些主流差分算法进行比较。实验结果表明,所提出的算法在大部分函数的收敛速度以及精度上有明显的提升。
-
-
吕红芳;
王涛;
嵇月强;
高慧;
徐斌;
王秋婷
-
-
摘要:
针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法(PSO)中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。
-
-
陈震;
王亚茹;
陈璐;
李晓克
-
-
摘要:
采用粒子群算法识别结构损伤时,取得的实际最优解易被局部最优解覆盖。将局部最优解用于结构损伤识别,致使产生识别结果精度低、误判率高等问题。将S型动态变化的学习因子c_(1)和c_(2)引入到粒子群算法中,可使粒子快速、准确地收敛到全局最优解。该方法通过优化个体粒子和群体粒子的学习能力,有效提高了粒子群的寻优效率,实现了结构损伤的高精度识别。数值模拟结果表明:提出的新方法在结构损伤识别方面具有识别精度高、误判少、鲁棒性好等优点,可用于结构单一单元损伤或多单元损伤的识别。研究成果为结构损伤识别及结构健康监测提供了新思路。
-
-
苏攀;
张伟
-
-
摘要:
针对粒子群算法初始化个体质量参差不齐,算法后期容易早熟,陷入局部最优值以及后期搜索精度不高、收敛速度缓慢的缺点,本文提出一种基于混沌映射的禁忌同步随机学习因子粒子群算法.利用Logistic映射对算法的粒子种群进行初始化,提高种群个体质量;在算法进入后期搜索寻优时,引入禁忌搜索策略,利用其良好突跳能力,跳出局部最优值,提高算法的全局搜索能力;最后将传统的学习因子通过几个测试函数进行迭代寻优,选取寻优能力突出的区间构建同步随机学习因子,平衡粒子的个体经验和群体经验.将改进的粒子群算法与另外几个智能算法在测试函数上寻优对比验证,仿真实验证明,改进的粒子群算法在寻优能力、收敛速度、搜索精度以及算法的稳定性等性能上,与另外3个智能算法相比都有显著提升.
-
-
李子旭;
吴凌宇;
葛婉贞;
赵新超
-
-
摘要:
针对粒子群算法易过早收敛、陷入局部最优,从而导致收敛精度不足等问题,提出一种基于搜索历史信息的粒子群算法。该算法利用粒子群算法速度迭代公式产生的新速度与上一代飞行速度协同学习,以此作为新的粒子速度更新粒子个体;对历史飞行速度进行学习可以扩大粒子搜索区域,增强算法寻优能力,有效改善早熟收敛问题;构建多种策略对学习因子进行差异化选取,达到多样化搜索路径的目的。采用CEC 2014不同类型基准测试函数进行仿真试验,与其他经典粒子群算法进行对比表明,所提算法具有更稳定、更优异的综合性能。
-
-
张红柱;
蒋奇
-
-
摘要:
针对传统粒子群算法进行机器人路径规划时容易陷入局部最优的问题,提出一种基于反向学习机制的改进离散粒子群优化算法。算法分两阶段对粒子种群引入反向学习机制:第一次在种群初始化时,对全部粒子引入反向学习机制,选择适应度值较低的粒子作为初始种群,提高初始解的质量;第二次在迭代过程中,以概率α对粒子种群引入反向学习机制,增加粒子种群的多样性。使用改进惯性权重,提出一种新型自适应余弦变化公式更新学习因子,使算法在运行过程中达到更佳的搜索性能。利用Matlab R2014a平台进行仿真,结果表明,改进算法可以在无碰撞条件下规划出一条从初始点运动到目标点的最短路径,且收敛速度和精度均得到提高。
-
-
吴永红;
曾志高;
邓彬
-
-
摘要:
针对传统的粒子群算法易发生早熟收敛、在寻优过程中易陷入局部最优等问题,提出了一种基于惯性权重和学习因子动态调整的粒子群算法,该算法通过改进惯性权重和学习因子参数以优化算法.随着算法的不断迭代,其惯性权重以及学习因子随着迭代次数的增加而动态优化,从而平衡其局部寻优能力与全局搜索能力.实验结果表明,改进后的算法在收敛速度以及收敛精度上比传统粒子群算法更优,能改善早熟收敛问题.
-
-
Zeng Yanyang;
曾艳阳;
Feng Yunxia;
冯云霞;
Zhao Wentao;
赵文涛
- 《2017中国仿真大会》
| 2017年
-
摘要:
为克服粒子群优化算法(Particle Swarm Optimization,PSO)存在的缺陷,提出基于Logistic映射的自适应变尺度混沌粒子群优化算法(Adaptive Chaos PSO,ACPSO).采用混沌方法对粒子进行初始化;根据不同状态下粒子适应值的大小对惯性权重采取不同的调整方法;异步变化的学习因子使粒子随着迭代步数的增加,避免粒子发生早熟收敛现象;当粒子陷入局部最优时,对部分较优粒子采用变尺度混沌局部优化策略.为了检验算法的有效性,将该算法与3种有代表性的算法进行比较,结果表明该算法收敛速度快,求解精度高.
-
-